Dari tabel diatas terlihat bahwa responden terbanyak ada di cluster 1 dan sisa responden ada di cluster 2 dengan tidak ada variabel yang hilang missing.
Dengan demikian semua kasus responden sejumlah 90 orang secara lengkap terpeta pada kedua cluster. Pada cluster 1 terdapat 55 pelanggan dan pada cluster
2 terdapat 35 pelanggan. Output inisial cluster merupakan tampilan pertama proses clustering data sebelum dilakukan iterasi, oleh karena itu nanti akan
dihasilkan proses clustering setelah dilakukan iterasi yang justru akan menjadi hasil akhir cluster. Proses iterasi adalah suatu proses dimana cluster yang
sebelumnya yang tertera pada inisial cluster akan coba diubah-ubah sehingga menjadi lebih tepat dalam mengelompokkan 90 responden tersebut. Untuk output
lebih jelasnya dapat dilihat pada lampiran C.
4.7.2 Analisa Diskriminan Data Harapan
Analisis diskriminan dilakukan setelah analisis cluster . Dalam melakukan analisa diskriminan hal yang perlu kita dapatkan dari analisa ini adalah kita bisa
mengetahui variabel-variabel mana yang membedakan suatu cluster jika dibandingkan dengan cluster yang lain dan kita dapat mengetahui seberapa besar
prosentase kebenaran dari pengelompokkan yang dihasilkan dari analisis cluster. Jumlah pelanggan pada setiap Cluster. Prosentase kebenaran pengelompokkan
yang dilakukan dapat dilihat pada tabel 4.3 Hasil Perhitungan dengan Metode Cluster dan Diskriminan berikut :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 4.4 Hasil Perhitungan dengan Metode Cluster dan Diskriminan
Jumlah Cluster 2 Jumlah Cluster 3
Cluster 1 : 84 93.33 Cluster 1 : 87 96.67
Cluster 2 : 3 3.33 Cluster 2 : 3 3.33
Cluster 3 : 3 3.33 Prosentase kebenaran :
100 Prosentase kebenaran :
100 Cross Validasi
100 Cross Validasi
98.9
Dari hasil di atas maka dapat diketahui untuk jumlah cluster 2 pada quick cluster 1 diketahui tingkat prosentase kebenaran sebesar 100 dan cross validasi
sebesar 100 pada cluster 2 sebesar 100 dan cross validasi sebesar 98.9. Nilai ketepatan yang tertinggi dari model adalah 100 dengan cross validasi 100 di
cluster 1 oleh karena nilai ketepatan tinggi maka model diskriminan dapat digunakan untuk analisis diskriminan dengan kata lain valid untuk digunakan.
Pada tabel classification results yang dapat dilihat pada lampiran 9 terdapat keterangan angka ketepatan klasifikasi dengan metode leave one-out cross
validation atau nilai validasi yaitu 100 nilai ini menunjukkan bahwa semakin tinggi nilai validasi termasuk nilai cross validation tentu semakin bagus karena
semakin tepat fungsi diskriminan membedakan grup yang terbentuk. Dengan nilai 100 maka fungsi diskriminan ini sudah layak untuk membedakan grup yang
terbentuk. Cluster yang akan digunakan dalam analisis crosstab adalah 2 cluster, karena memiliki nilai prosentase kebenaran sebesar 100 sehingga peneliti tidak
melakukan pemilihan 3 cluster Faktor pembeda dapat dilihat pada tabel 4.4 Hasil Analisis Diskriminan untuk Faktor Pembeda berikut ini :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 4.5 Hasil Analisis Diskriminan untuk Faktor Pembeda
Tabel ini menyajikan variabel mana saja yang dapat dimasukkan dalam persamaan diskriminan yang signifikan karena mempunyai angka Sig. dibawah
0,05 oleh karena itu ada 3 variabel yang digunakan untuk membentuk fungsi diskriminan. Berdasarkan nilai F hitung dan nilai signifikan yang menjadi
pembeda antara cluster 1 dan cluster 2 yakni keamanan parkir di MAN Sidoarjo X4.4 dan
Keramahan dan kesopanan karyawan dalam menjawab pertanyaan dari siswa-siswi X4.3
, dengan kata lain sikap pelanggan cluster 1 maupun 2 dipengaruhi oleh variabel tersebut mungkin saja pada cluster 1 pelanggan
memiliki harapan yang lebih tinggi daripada cluster 2 terhadap kriteria keamanan parker di MAN Sidoarjo dan pengertian yang lain sama.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4.7.3 Analisa Crosstab dengan Data Identifikasi Pelanggan
